Mantis — Agentes de IA para Revisão de Segurança em Software
Mantis: Toolkit para Revisão de Segurança
Recentemente descobri Mantis, um projeto open-source do Google que muda fundamentalmente como pensamos sobre segurança em software com IA. Diferente de muitos frameworks para agentes, o foco não é criar chatbots ou automatizar tarefas genéricas.
O objetivo é outro: transformar agentes de IA em revisores de segurança de software.
O Mantis fornece um conjunto modular de skills para que agentes consigam:
- Analisar arquiteturas de software
- Identificar vulnerabilidades
- Reproduzir os problemas encontrados
- Propor ou até gerar correções automaticamente
Um ponto interessante é que ele é stack-agnóstico, ou seja, não depende de uma linguagem, framework ou plataforma específica. A ideia é que as habilidades possam ser reutilizadas em diferentes ambientes e agentes de IA.
Esse tipo de projeto mostra uma tendência importante: estamos entrando na era em que agentes executam fluxos especializados, combinando conhecimento, planejamento e ferramentas para resolver problemas complexos.
Para quem trabalha com IA aplicada, DevSecOps ou engenharia de software, vale a pena acompanhar.
Observação: O projeto ainda é experimental e não é recomendado para uso em produção. A proposta é servir como uma base para pesquisa, experimentação e evolução de agentes especializados em segurança de software.
Arquitetura e Pipeline do Mantis
O Mantis Skills é um toolkit decentralizado, sequencial e focado em segurança. A documentação oficial descreve uma arquitetura de 15 estágios coordenados por um agente supervisor (mantis_meta_agent):
- Strategist Agent — Avalia a estrutura geral do código, modelos de ameaça e grafos de dependência para isolar padrões de risco arquitetural
- Research Agents — Agentes especializados que investigam arquivos brutos, examinando fluxos de dados e lógica de sanitização
- Deduplicator, Reviewer e Critic Agents — Filtram ruído e eliminam falsos positivos
- Reproduction Sandbox — Executa provas de conceito geradas automaticamente em ambiente isolado e emulado
Os resultados são arquivados com histórico de aprendizado (learnings.jsonl), permitindo que o sistema se adapte across iterative runs e evite análises redundantes.
A redução de tokens é significativa: ao condensar arquivos individuais em sumários hierárquicos de diretório e raiz, o Mantis reduz overhead de tokens em mais de 85% mantendo contexto estrutural crítico em repositórios grandes.
Documentação completa e especificação técnica
Segurança em Agentes de IA: Contexto de 2026
Em 2026, agentes de IA enfrentam riscos de segurança bem específicos. O panorama mudou significativamente:
Principais vulnerabilidades em agentes agentic:
- Prompt injection — Hackers injetam instruções maliciosas que desviam a lógica do agente
- Memory poisoning — Corrupção de memória de longo prazo do agente com comportamentos prejudiciais
- Tool abuse — Exploração de APIs e integrações para ações não autorizadas ou DDoS
- Data leakage — Exposição de dados sensíveis em logs ou sistemas externos
- Supply chain attacks — Compromisso de plugins, skills ou dependências terceirizadas
- Privilege compromise — Concessão excessiva de permissões exploradas por agentes enganados
Segundo o OWASP Top 10 for Agentic Applications 2026 (lançado em dezembro de 2025), a maioria dos incidentes de 2026 envolveu o Model Context Protocol (MCP) como vetor de ataque — arquivos de configuração envenenados, skills maliciosas e servidores MCP expostos sem autenticação.
OWASP Top 10 Agentic Applications 2026
GitHub Copilot CLI: Security Review (Experimental)
Em junho de 2026, GitHub lançou um comando experimental /security-review no Copilot CLI. É uma alternativa mais leve ao Mantis, focada em mudanças de código em tempo de desenvolvimento.
O comando analisa alterações locais e retorna:
- Descobertas de segurança com confiança e severidade
- Sugestões acionáveis direto no terminal
- Foco em 11 categorias de vulnerabilidades: injection flaws, XSS, broken access control, path traversal, SSRF, insecure deserialization, weak cryptography, hardcoded credentials, sensitive data leaks, authentication/CORS failures, e supply-chain risks
Diferente do Mantis (que é agentic e orquestrado), o Copilot CLI /security-review é um atalho rápido para perguntar “introduzi um problema de segurança?” antes de um pull request.
GitHub Blog: Dedicated security review command
Ferramentas e Frameworks Relacionados
A paisagem de segurança com IA em 2026 inclui diversas abordagens:
Agentic security reviewers:
- OpenAI Codex Security
- Checkmarx Developer Assist
- Claude-based semantic SAST (Anthropic)
Platform-native scanners:
- GitHub Advanced Security
- Snyk Code
- Semgrep
Supply chain e reachability:
- Endor Labs AURI
- Socket
Cada ferramenta usa machine learning ou LLMs para encontrar vulnerabilidades, sugerir fixings validados e integrar-se com agentes de codificação via Model Context Protocol.
7 AI Application-Security Tools for 2026
Conclusão
Mantis representa um step importante em como defesa de segurança e IA se encontram. Enquanto agentes de codificação já são realidade, ter agentes especializados em encontrar e validar vulnerabilidades muda o jogo na hora que a maioria dos codigos gerados por IA ainda era encarado com desconfiança.
A modularidade e a reutilização de skills em diferentes ambientes apontam para um futuro onde segurança é um layer integrado desde o planejamento até a reprodução de exploits.
Para times interessados em DevSecOps moderno, pesquisa em agentes de IA ou vulnerability research, acompanhar Mantis é recomendado — não necessariamente em produção hoje, mas como indicador de tendência e ferramenta de experimentação.